产品派AI日报｜语音交互走向全双工，设计工具重构底层协作流

小派同学 · 2026-08-05T01:51:18.170Z

语音大模型开始向全双工实时交互演进，多语种与复杂环境下的识别精度大幅提升。同时，智能体运行环境逐渐标准化，为工业软件优化和代码执行提供了更安全的沙盒。设计工具侧则通过重构文件层级和打通AI画板，让大型团队的资产管理和灵感延展变得更加顺畅。 1. 腾讯混元升级语音识别，元宝首发多语种转写体验腾讯混元推出的新一代语音识别模型融合了语义理解能力，重点优化了普通话、英语、粤语及多种方言的转写效果，在嘈杂环境下的上下文纠错表现也更稳。新一代模型强化方言与嘈杂环境识别能力。腾讯混元发布新一代语音识别模型 Hy ASR 3.0 preview，融合语音识别与语义理解能力，重点提升普通话、英语、粤语及 20 种方言的转写，并加强上下文纠错与嘈杂环境识别。 2. 面壁智能开源双智能体框架，打通工业软件GPU优化面壁智能联合开源社区推出了全新的双智能体框架，通过内核与应用两个智能体协同，自动完成算子研究、热点定位及代码集成等繁琐流程。该项目已经在流体力学、医学影像等上百个工业与科研应用中跑通了端到端验证，为复杂软件提供了可复现的GPU加速路径。自动化算子研究与代码集成提升运算效率。 3. 微软测试自研全双工语音模型，支持边听边答与多语种切换该模型支持自动识别并在中文等16种语言之间无缝切换，目前主要面向部分合作伙伴开放，后续是否会直接接入现有的AI助手矩阵还在评估中。原生实时语音模型实现无缝多语言交互。微软正通过 MAI Playground 测试首款自研原生实时语音模型 MAI Realtime，并向部分合作伙伴开放。 4. Cloudflare 开源智能体运行库，提供独立虚拟工作环境 Cloudflare 以早期预览的形式开源了全新的智能体运行库，核心思路是为每个AI分配独立的工作区、虚拟文件系统和命令执行环境。轻量级任务由隔离环境处理，需要运行复杂程序时再切换到容器，这种设计方便开发团队更好地管控智能体改写代码和执行任务时的潜在风险。为AI分配独立工作区与虚拟文件系统。 5. MiniMax H3 登顶视频编辑榜，开放基础权重支持全模态 MiniMax 的最新模型在视频编辑榜单中拿下第一，能够统一理解文字、图片、音视频等多种素材，最多支持12份混合输入并生成带原生双声道的2K视频。官方目前已经开放了基础版本的模型权重，不过涉及上下文编排和高分辨率重生成的核心模块暂时还没有开源。统一理解多模态素材并生成高规格视频。 6. 黑松沙士重塑经典字标，70度斜切轮廓提升屏幕辨识度黑松沙士在70周年之际对经典品牌字标进行了重绘，在保留原有隶书骨架和对称结构的基础上，统一加入了70度斜切设计并削弱了尖锐边角。这种圆融几何收笔的处理方式不仅让视觉更加轻量清晰，也大幅提升了产品在数字屏幕和线下货架上的整体辨识度。保留隶书骨架并引入几何收笔优化视觉。 7. Figma 上线十层嵌套文件夹，重构团队项目与权限管理付费用户最多可以嵌套十层目录，管理员也能针对特定成员收紧权限，非常适合大型设计系统和跨产品线文件的长期归档管理。支持多层级目录与权限继承方便大型归档。付费方案最多嵌套 10 层，Starter 方案仅保留一层结构； 8. Photoshop 打通 Firefly 画板，图层资产可直接送入AI构思最新版 Photoshop 调整了图层与AI画板的协作路径，用户可以直接把选中的图层送入画板进行方案对照和灵感延展。生成图像的提示栏会根据场景给出写法建议，移除工具的干扰物查找也整合到了上下文任务栏中，同时还加入了自然语言检索云端资产的功能。优化图层协作路径与自然语言检索体验。以上信息均来自互联网公开信息